Prompt→Context→Harness→Loop 四层栈

一句话

Prompt 只表达单次意图；Context 决定模型能看见哪些事实；Harness 决定它能使用哪些工具、承担哪些约束；Loop 负责把生成、检查、修正和交付串成可复现流程。在 Codex / Claude Code 里，真正可迁移的不是某一句万能提示词，而是这套可验证的运行结构。

四层各管什么

• L1 Prompt：定义单次任务的目标、边界和验收标准，例如先采访、先出方案、不得改文件、只输出候选文案。
• L2 Context：提供最小充分上下文，用事实包、项目结构、关键代码、数据口径和历史决策替代全量粘贴。
• L3 Harness：用 AGENTS.md / CLAUDE.md、工具权限、sandbox、测试命令、命名约定、记忆和外部脚本设定可执行边界。
• L4 Loop：让 worker 生成、judge 质疑、脚本验证、人工验收，再决定是否进入下一轮；只有可验证任务才适合自动循环。

Harness 的五件套

• 指令：把长期偏好、项目规则、禁止事项和交付格式写进稳定入口，而不是每次临场补充。
• 上下文：用事实包和文件索引控制模型看到什么，既避免遗漏关键事实，也避免无关信息污染判断。
• 约束：通过 sandbox、hook、类型检查、lint、build、数据校验脚本，让错误在机器层面被拦住。
• 反馈：用 reviewer / judge、多 Agent 交叉审稿和 Human-in-the-loop，专门反驳第一个“看起来可以”的答案。
• 编排：按 Planner、Generator、Evaluator 或 worker-judge 分工，把生成、验证、复盘和记忆更新拆开。

关键转变

工程师的位置从“亲手写每一行代码”，上移到定义事实来源、任务边界、工具权限、验收口径和失败处理。模型能力越强，越需要明确哪些事可以自动做，哪些事必须脚本验证，哪些事必须人工拍板。好的 harness 不是把 agent 绑死，而是让它在清晰边界内快速试错，并把每次可复用的经验沉淀为规则、脚本和知识条目。

我怎么用

我把 Codex / Claude Code 放在可检查的研发与写作环节：生成或重构 Python 脚本、解析成交 CSV、计算回测指标、整理研究文档初稿、结构化简历和报告。

输入侧使用事实包和项目上下文，输出侧必须经过人工验收，以及 tsc / lint / build 或自定义校验脚本。能被验证的东西进入流程，不能验证的判断只作为草稿，不直接进入发布。